Advertisement

铁路智慧交通中的人员危险行为（躺、站、坐）检测数据集(VOC+YOLO格式，含3766张图片，4个类别).7z

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
本数据集包含3766张图像，提供VOC和YOLO两种格式，涵盖铁路智慧交通中人员的躺、站、坐三种危险行为，共四个分类标签。 图片数量（jpg文件个数）：3766 标注数量（xml文件个数）：3766 标注数量（txt文件个数）：3766 标注类别数：4 标注类别名称包括：sitting、sleeping、standing和track。 每个类别的框数如下： - sitting 框数 = 1406 - sleeping 框数 = 689 - standing 框数 = 1782 - track 框数 = 1819 总框数：5696 使用标注工具为labelImg。 标注规则是对类别进行画矩形框。 重要说明：数据集包含大量增强图片，请仔细查看并斟酌下载。此外，该数据集主要用于检测铁路上人的行为，而铁路上的动物等未被标注。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 铁路智慧交通中的人员危险行为（躺、站、坐）检测数据集(VOC+YOLO格式，含3766张图片，4个类别).7z
    优质
    本数据集包含3766张图像，提供VOC和YOLO两种格式，涵盖铁路智慧交通中人员的躺、站、坐三种危险行为，共四个分类标签。 图片数量（jpg文件个数）：3766 标注数量（xml文件个数）：3766 标注数量（txt文件个数）：3766 标注类别数：4 标注类别名称包括：sitting、sleeping、standing和track。 每个类别的框数如下： - sitting 框数 = 1406 - sleeping 框数 = 689 - standing 框数 = 1782 - track 框数 = 1819 总框数：5696 使用标注工具为labelImg。 标注规则是对类别进行画矩形框。 重要说明：数据集包含大量增强图片，请仔细查看并斟酌下载。此外，该数据集主要用于检测铁路上人的行为，而铁路上的动物等未被标注。
     
  • 铁路智慧交通异物入侵检测数据集（VOC+YOLO格式，含802张图片，7个类别）.7z
    优质
    这是一个包含802张图像的数据集，旨在用于开发和测试铁路智慧交通中的异物侵入检测系统。数据集采用VOC及YOLO格式，并涵盖7种类别，有助于提升模型在复杂环境下的准确性和鲁棒性。 数据集格式：Pascal VOC 格式+YOLO 格式（不包含分割路径的 txt 文件，仅包含 jpg 图片以及对应的 VOC 格式的 xml 文件和 YOLO 格式的 txt 文件） 图片数量 (jpg 文件个数) ：802 标注数量 (xml 文件个数)：802 标注数量 (txt 文件个数): 802 标注类别总数:7 标注类别名称: - Train - bucket - motorbike - person - stone - vehicle - wood 每个类别的标注框的数量： Train 框数 = 242 bucket 框数 = 95 motorbike 框数 = 32 person 框数 = 822 stone 框数 = 193 vehicle 框数 = 299 wood 框数 = 84 总框数量:1767 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。 重要说明：异物包括检测人、石头、木头、车和摩托车等。
     
  • 铁路智慧交通异物入侵检测数据集（VOC+YOLO格式，含802张图片，7个类别）.7z
    优质
    本数据集包含802张图像和7种类别标签，以VOC及YOLO格式提供，旨在用于铁路智慧交通异物入侵检测系统的训练与测试。 数据集格式：Pascal VOC格式+YOLO格式（仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：802 标注数量(xml文件个数)：802 标注数量(txt文件个数)：802 标注类别数：7 标注类别名称： - Train - bucket - motorbike - person - stone - vehicle - wood 每个类别标注的框数： Train 框数 = 242 bucket 框数 = 95 motorbike 框数 = 32 person 框数 = 822 stone 框数 = 193 vehicle 框数 = 299 wood 框数 = 84 总框数：1767 使用标注工具：labelImg 标注规则：对类别进行画矩形框。 重要说明：异物包括检测人、石头、木头、车和摩托车等。
     
  • 考场作弊行为检测数据集（VOC+YOLO格式，含4413张图片，4个类别）.7z
    优质
    本数据集包含4413张图像，用于识别考试中的作弊行为，采用VOC和YOLO格式标注，涵盖4种类别，适用于训练检测模型。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：4413 标注数量(xml文件个数)：4413 标注数量(txt文件个数)：4413 标注类别数：4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数： - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数：16791 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理的标注。
     
  • 轮胎瑕疵检测数据集（VOC+YOLO格式），含2154张图片，4个类别.7z
    优质
    本数据集包含2154张图像，用于轮胎瑕疵检测，支持VOC和YOLO格式，涵盖四种不同类型缺陷，适用于训练高效的瑕疵识别模型。 数据集采用Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 总共有2154张图片，每一张都有相应的标注文件。 - 使用了四种不同的类别进行标注：debris、ground、side 和 side_cut。 - 各类别的具体框数如下： - debris: 1599个 - ground: 564个 - side: 188个 - side_cut: 493个 总计标注了2844个边界框。 使用的标注工具为labelImg。
     
  • 【目标检测数据集】驾驶中危险行为识别数据集19930张含4类标签VOC+YOLO格式.zip
    优质
    本数据集包含19930张图像，用于检测驾驶过程中的四种危险行为。以VOC和YOLO两种格式提供，适用于目标检测模型训练与验证。 数据集格式采用Pascal VOC与YOLO两种标准格式（不含分割路径的txt文件），仅包含jpg图片、VOC格式xml标注文件及yolo格式txt文件。 总共有19,930张图像，每一张都有对应的XML和TXT标签文件。该数据集中有4个不同的标注类别：drinking (喝水)、eating (进食)、mobile use (使用手机) 和 smoking (吸烟)，其中各类别的具体框数如下： - drinking: 8,319 - eating: 2,885 - mobile use: 6,542 - smoking: 2,266 总计标注数量为20,012个。 使用labelImg工具进行数据集的标记工作，遵循矩形框绘制规则来对每个类别进行标注。此外需要注意的是，在当前阶段没有提供关于该数据集的具体说明或特别要求。最后需要强调的一点是：本数据集中提供的标签信息准确且合理，并不对基于此训练出模型的效果做出任何保证。
     
  • 智慧交通施工锥形桶路障检测数据集（VOC+YOLO格式，含9454张图片，5个类别）.zip
    优质
    该数据集包含9454张图片，涵盖五种类别，以VOC和YOLO格式提供，专为智慧交通中的施工锥形桶路障检测设计。 样本图示例： 文件存储于服务器上，请务必在电脑端资源详情页面查看并下载。 重要提示：数据集由视频截取而来，因此包含大量重复场景图片，请仔细确认符合要求后再进行下载。 数据格式： - Pascal VOC 格式 + YOLO 格式（不包括分割路径的 txt 文件，仅包含 jpg 图片、VOC 格式的 xml 文件及 yolo 格式的 txt 文件） 图片数量 (jpg 文件个数)：9454 标注数量 (xml 文件个数)：9454 标注数量 (txt 文件个数)：9454 类别总数：5 类别名称： - barrel, bluecone, construction, redcone, yellowcone 各类别的框数分别为： - barrel: 21 - bluecone: 8056 - construction: 4652 - redcone: 5473 - yellowcone: 10775 总框数：28977 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。
     
  • 学生课堂行为检测数据集（VOC+YOLO格式），含5622张图片，7个类别.7z
    优质
    本数据集包含5622张图像，采用VOC及YOLO格式标注，涵盖学生课堂上的七种典型行为，旨在促进课堂教学行为分析研究。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的txt文件），仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 图片数量：5622张 标注数量：5622个（包括xml文件和txt文件） 标注类别数：7类 标注类别名称：“dk”、“dx”、“js”、“tt”、“xt”、“zl”、“zt”。
     
  • 游泳者溺水检测数据集（VOC+YOLO格式，含8275张图片，4个类别）.7z
    优质
    本数据集包含8275张图片，旨在通过VOC和YOLO格式识别四种不同类型的潜在溺水事件，以帮助开发游泳者溺水检测系统。 数据集格式采用Pascal VOC与YOLO两种格式存储（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 - 图片数量：8275张 - 标注数量： - xml文件个数：8275份 - txt文件个数：8275份 标注类别共有4种，分别为： 1. Drowning 2. Drowning-headdown 3. Person out of water 4. Swimming 各类别的具体框数如下： - Drowning 框数 = 8835 - Drowning-headdown 框数 = 4 - Person out of water 框数 = 477 - Swimming 框数 = 5383 总计标注框数量为：14699个。 使用工具：labelImg 重要说明： 由于溺水图片较难获取，数据集中超过80%的图片是经过增强处理而来，并且大部分图像分辨率较低，请谨慎考虑是否下载。
     
  • 高铁受电弓检测数据集（VOC+YOLO格式），包含1245张图片，2个类别.7z
    优质
    本数据集提供针对高铁受电弓的图像识别资源，包括1245张图片及对应标注，支持VOC和YOLO两种格式，涵盖2种类别。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：1245 标注数量（xml文件个数）：1245 标注数量（txt文件个数）：1245 标注类别数：2 标注类别名称：[roi, sdg] 每个类别标注的框数： - roi 框数 = 1245 - sdg 框数 = 1245 总框数：2490 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理的标注。